license: other
tags:
- Lagrangian
- CFD
- graph neural network
language:
- en
- zh
Lagrangian
数据集介绍
Lagrangian 数据集来源于 DeepMind 团队发表于 ICML 2020 的论文 《Learning to Simulate Complex Physics with Graph Networks》，是该论文 Graph Network-based Simulator（GNS）基准中的二维 Water 粒子动力学数据。数据以粒子为图节点，通过粒子位置序列和粒子类型描述流体随时间的演化，可用于拉格朗日粒子动力学建模、流体长期滚动预测以及图神经网络物理仿真评测。
数据集支持的任务
本标准化数据集仓库整理了 Lagrangian Water 的训练集、验证集和测试集 TFRecord 文件，以及数据元信息、数据模式、完整性汇总和校验脚本，可作为 OneScience/LagrangianMGN 模型的训练、推理、评测和可视化数据输入。核心数据统一放置在 data/Water/ 下，其中训练集包含 1,000 条轨迹，验证集和测试集各包含 30 条轨迹。
数据集的格式和结构
数据集采用 TFRecord SequenceExample 格式，每条记录对应一条粒子运动轨迹。粒子数量 num_particles 随轨迹变化，空间维度 dim=2。
| 特征 | 所属部分 | shape | dtype | 源编码 | 说明 |
|---|---|---|---|---|---|
position |
sequence feature | [1001, num_particles, 2] |
float32 |
bytes |
1,001 帧粒子二维位置，对应 1,000 个演化时间步 |
particle_type |
context feature | [num_particles] |
int64 |
bytes |
每个粒子的类型标识 |
数据划分如下：
| 文件 | split | 轨迹数 | 说明 |
|---|---|---|---|
data/Water/train.tfrecord |
train |
1,000 | 用于模型训练 |
data/Water/valid.tfrecord |
valid |
30 | 用于模型验证与参数选择 |
data/Water/test.tfrecord |
test |
30 | 用于模型测试与结果评估 |
data/Water/metadata.json 还包含 bounds=[[0.1, 0.9], [0.1, 0.9]]、sequence_length=1000、default_connectivity_radius=0.015、dt=0.0025，以及 vel_mean、vel_std、acc_mean 和 acc_std 等归一化字段。
数据集使用方式
本数据集适配 OneScience-Sugon/LagrangianMGN 模型。
- 文件与下载：
hf download --dataset OneScience-Sugon/lagrangian --local-dir ./data
OneScience 官方信息
| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |
引用与许可证
- Lagrangian Water 原始论文：Learning to Simulate Complex Physics with Graph Networks
- 本数据集整理于 Google DeepMind 发布的 Learning to Simulate 项目，公开分发前请根据上游项目确认许可证要求。